来腾讯面试，一次问得更比两次多自我介绍、优势平常怎么接触 AI 编程（说了一下我在项目中的单人异步工作流，以及对 AI 参与到该工作流的思考，由于和 LLM 交流的产出要说起来太长被打断了）手撕：O(log N) 乘法运算符（完全没思路，在一步步引导之下做了一个把乘法拆解成位运算和加法的逻辑）终于是撕出来了AI 手撕：初始化一个项目，做一个 iPod 转盘组件，转动一定角度就切换菜单高亮项（跑通以后问 AI 怎么实现的，然后我跑了一个 /doc 加注释，那 AI 都有注释了还问你干啥了）怎么计算转盘转了多少角度（两个坐标求向量夹角、余弦定理）；被引导之下说了极坐标（不是还问高中数学？）了解哪些...

26学院本，有两段小厂实习经历。想转agent应用开发，或者继续java开发。简历求锐评价

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...